人工智能-Project 4: Inference in Bayes Nets（1）

官网项目介绍
源码框架下载

1、实习介绍

在本项目中，我们将实现贝叶斯网络的推理算法，特别是变量消除和完美信息值计算。这些推理算法将可以推理隐形颗粒和鬼魂的存在。

在搞懂了整个项目代码框架之后，就可以去进行局部的编码了。

2、问题编码

1、question1-Bayes Net Structure

在这个部分，我们需要根据项目描述构造一个空的贝叶斯网。

• X 位置决定哪个房子在棋盘的哪一边。它要么是食物剩下的，要么是鬼魂留下的。
• Y位置决定了房屋的垂直方向。它同时模拟两个房子的垂直位置，并具有四个值之一：both-top、both-bottom、left-top 和 left-bottom。“左上”顾名思义：棋盘左边的房子在上面，棋盘右边的房子在下面。
• 食屋和鬼屋指定了两间屋子的实际位置。它们都是“X位置”和“Y 位置”的确定性函数。
• 观察结果是吃豆子在绕着棋盘旅行时所做的测量。请注意，有许多这样的节点——可能是房屋墙壁的每个棋盘位置都有一个。如果给定位置没有房子，则对应的观察值是none；否则它要么是红色，要么是蓝色，颜色的精确分布取决于房子的种类。
  其中我们要进行编码的文件是BayesAgents.py中的constructBayesNet函数：

该贝叶斯网络中有5种变量：
-单个“x位置”变量（控制房屋的x位置）
-单个“y位置”变量（控制房屋的y位置）
-单个“food house”变量（包含房屋中心）
-单个“鬼屋”变量（包含房屋中心）
-Pacman可以测量每个细胞的大量“观察”变量
我们必须使用常量命名所有位置和房屋变量（X_POS_VAR、FOOD_HOUSE_VAR等）位于文件顶部。

使用上述步骤填充“obsVars”；
用Bayes网络中的每条边填充Bayes Net (a tuple `(from, to)`)；
设置每个'variableDomainsDict[var]=values'，其中'values'是集合对“var”的可能赋值。应再次使用在此文件顶部定义的常量；

2、question2-Bayes Net Probabilities

• 在这里，要填充CPT给出y位置变量的先验概率
  可以参考方法fillXCPT：
  
  从中可以看出，我们不需要自己手写概率，可以通过从layout中导入已经写的常量，然后调用方法setProbability，因为y的位置变量有四种，所以要设置4次。最后调用setCPT（）即可。
  

3、question3-Join Factors

• 在factorOperations.py中实现joinFactors函数。
• 它输入一个Factors列表，并返回一个新的Factors，其概率条目是输入Factors的相应行的乘积。
• Factors存储了一个variableDomainsDict，它将每个变量映射到它可以接受的值列表(它的域)。
• Factor从实例化它的BayesNet获取它的variableDomainsDict。因此，它包含了BayesNet的所有变量，而不仅仅是Factor中使用的非条件变量和条件变量。

需要用到的函数：
Factor.getAllPossibleAssignmentDicts：返回该因子包含的所有assignmentDicts的列表
Factor.setProbability：设置函数，设置因子的概率
Factor.getProbability:获取因子的概率值
Factor.unconditionedVariables: 返回因子中无条件变量的副本
Factor.conditionedVariables: 返回因子中条件变量的副本
Factor.variableDomainsDict: 返回因子中变量域的副本

首先，先从factors列表中取出每一个factor，然后调用factor.conditionedVariables()函数取出这个因子中的条件变量。
然后取出这个因子的每一个条件变量，如果既不在setsOfUnconditioned(变量的可迭代对象，它包含了这个因子中非条件的变量)，也不在setsOfConditioned(是一个变量的可迭代对象， 
它包含了这个因素所制约的变量)中时，把这个变量加入到setsOfConditioned中。
然后再更新下这个因子的域字典。
最后调用Factor的构造函数，生成一个新的Factor.
然后处理限制：在那些行不等于1的factors上调用joinFactors。
最后返回一个新的Factor。

3、运行结果

1、question1

测试指令：
python autograder.py -q q1

2、question2

运行指令
python autograder.py -q q2

3、question3

运行指令
python autograder.py -q q2
在调试期间运行特定测试可能很有用，以查看仅打印出一组因素。例如，要仅运行第一个测试，请运行：
python autograder.py -t test_cases/q3/1-product-rule

完成了问题1、2、3，并且通过了测试。